基于GA-KPLSR的转炉终点碳含量的预测研究.pdfVIP

2017 年5 月 控 制 工 程 May. 2017 第24 卷第5 期 Control Engineering of China Vol.24, No.5 文章编号：1671-7848(2017)05-0923-04 DOI: 10.14107/j.cnki.kzgc.150355 基于GA-KPLSR 的转炉终点碳含量的预测研究 a b b 严良涛 ，李鸣 ，杨大勇 (南昌大学 a.机电工程学院；b.信息工程学院，南昌 330031) 摘 要：终点碳含量是决定钢的种类和质量的关键因素，是转炉炼钢过程中最难控制的 变量之一。建立了基于遗传算法的核偏最小二乘回归（GA-KPLSR）方法的终点碳含量 的预测模型。数据仿真结果表明，基于GA-KPLSR 的预测模型，不仅能高效的处理变量 之间的非线性关系，而且能快速收敛至最优解，得出预测结果的均方误差比主元回归 （PCR ）和偏最小二乘回归（PLSR ）分别降低了 25.77 % 、23.27 % ；相对误差降低了 29.55 % 、26.83 % ；绝对误差降低了27.22 % 、24.84 % 。该方法可为实际生产中的终点 控制提供参考，提高生产效益。 关键词：终点控制；终点碳含量；遗传算法；核偏最小二乘回归 中图分类号：TP27 文献标识码：A Prediction of Carbon Content at End Point Based on GA-KPLSR in Converters 1 2 2 YAN Liang-tao ，LI Ming ，YANG Da-yong (a. School of Mechanical Electrical Engineering; b. School of Information Engineering, Nanchang University, Nanchang 330031, China) Abstract: Carbon content of end point is the key factor determining the types of steel and steel quality. End point carbon content is one of the most difficult variables to control in the process of converter steel-making. A predicting model of carbon content at end point based on kernel partial least squares regression of genetic algorithm (GA-KPLSR) in converter steel-making is established. Data simulation results show that